实验四异方差性
【实验目的】
掌握异方差性的检验及处理方法
【实验内容】
建立并检验我国制造业利润函数模型
【实验步骤】
【例1】表1列出了1998年我国要紧制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。

行业名称销售利润销售收入行业名称销售利润销售收入
食品加工业187.25 3180.44 医药制造业238.71 1264.1
食品制造业111.42 1119.88 化学纤维制品81.57 779.46
饮料制造业205.42 1489.89 橡胶制品业77.84 692.08
烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28
皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16
木材加工业35.67 443.74 金属制品业201.42 1948.12
家具制造业31.06 226.78 一般机械制造354.69 2351.68
造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15
石油加工业194.45 2363.8 电子通讯设备508.15 4499.19
化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68
一、检验异方差性
⒈图形分析检验
⑴观看销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y
图1 我国制造工业销售利润与销售收入相关图从图中能够看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。

这讲明变量之间可能存在
递增的异方差性。

⑵残差分析
首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。

在方程窗口中点击Resids按钮就能够得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid 对象来观看）。

图2 我国制造业销售利润回归模型残差分布图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。

⒉Goldfeld-Quant检验
⑴将样本安解释变量排序（SORT X）并分成两部分（分不有1到10共11个样本合19到28共10个样本）
⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。

SMPL 1 10
LS Y C X
图3 样本1回归结果
⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。

SMPL 19 28
LS Y C X
图4 样本2回归结果
⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，
21RSS RSS 和分不是模型
1和模型2的残差平方和。

取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而
44.372.2405.0=>=F F ，因此存在异方差性
⒊White 检验
⑴建立回归模型：LS Y C X ，回归结果如图5。

图5 我国制造业销售利润回归模型
⑵在方程窗口上点击
View\Residual\Test\White
Heteroskedastcity,检验结果如图6。

图6 White 检验结果
其中F 值为辅助回归模型的F 统计量值。

取显著水平
05.0=α，由于2704.699.5)2(2205.0=<=nR χ,因此存在异方差性。

实
际应用中能够直接观看相伴概率p 值的大小，若p 值较小，则认为存在异方差性。

反之，则认为不存在异方差性。

⒋Park 检验
⑴建立回归模型（结果同图5所示）。

⑵生成新变量序列：GENR LNE2=log(RESID^2)
GENR LNX=log
⑶建立新残差序列对解释变量的回归模型：LS LNE2 C LNX ，回归结果如图7所示。

图7 Park 检验回归模型
从图7所示的回归结果中能够看出，LNX 的系数可能值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。

⒌Gleiser 检验（Gleiser 检验与Park 检验原理相同）
⑴建立回归模型（结果同图5所示）。

⑵生成新变量序列：GENR E=ABS(RESID)
⑶分不建立新残差序列（E）对各解释变量（X/X^2/X^(1/2)/X^(－
1)/ X^(－2)/ X^(－1/2)）的回归模型：LS E C X，回归结果如图8、9、10、11、12、13所示。

图8
图9。